AI自我进化最快半年闭环？Apodex首席科学家详解RSI路线与验证难题

事件概述

近来，AI自我进化（Self-evolve）成为业界热点，特别是“递归自我提升”（Recursive Self-Improvement, RSI）概念被广泛讨论。Anthropic在公开报告中预测，AI未来将进入RSI阶段，并呼吁建立减速或暂停机制。Apodex（由陈天桥出资并主导）的两位首席科学家——Simon杜少雷（华盛顿大学计算机系副教授，负责推理模型与训练）和Beibin Li（负责自我进化与编程方向）——在访谈中深入解析了RSI的技术路径与挑战。

核心信息

• 自我进化能力与长链推理：自我进化并非全新概念，早在三年前Google就提出“LLM as Optimizer”。今年之所以爆发，是因为模型处理长程任务的能力大幅提升。Anthropic数据显示，Claude 3 Opus（2024年3月）能完成约4分钟的人类任务；Claude 3.7 Sonnet（一年后）延长至1.5小时；Claude 4.6 Opus已可处理长达12小时的任务。业界普遍认为，模型能完成的人类工作时间大约每7个月翻一番。
• RSI的关键——长程任务处理：实现RSI需要模型在没有人类监督下完成数百个步骤的复杂任务，涉及架构创新（如优化Self-attention的O(n²)复杂度）、百万级上下文的训练数据及基础设施挑战。Agent架构（如记忆技术）可辅助处理超长上下文。
• 核心难题：递归漂移（Recursive Drift）：模型在自我生成训练数据时，推理错误会逐代累积。Apodex将“自我验证”作为核心手段。在代码和数学领域可通过单元测试或形式化验证（如Lean）降低漂移风险，但仍有细微偏差。
• Apodex的验证方案：采用“Agent Team”范式——将问题分解，不同子Agent分别负责解答与验证，并引入冗余机制（同一问题由多个Agent处理，全局Agent择优）。训练时裁判模型也同步学习，避免奖励黑客行为。
• 自我进化的分阶段实施：Apodex在预训练（数据采集清理）、后训练（自我诊断、生成训练配方、自我训练）以及脚手架（harness）上均应用自我进化思想。后训练中搜索能力至关重要，这也是其优先发展Deep Research的原因。
• 基准测试表现：Apodex在BrowseComp（OpenAI研发）、DeepSearchQA、Frontier Science等深度研究榜单上取得SOTA成绩，其中BrowseComp侧重搜索能力，Frontier Science侧重科研计划制定。

值得关注

Apodex定位为“Heavy Duty Solver”，不卖token，而是致力于通过自我进化解决人类尚未解决的科学难题，当前聚焦生物医药领域（制药、靶点发现、老药新用等）。其首席科学家预测，最快半年内AI即可跑通一次完整的自我进化闭环，但持续的递归提升仍需模型具备稳健的自我验证能力。